本文只圍繞運營商的7大數(shù)據(jù)產(chǎn)品應(yīng)用分享一些心得，并對3要素核驗、在網(wǎng)狀態(tài)、在網(wǎng)時長這幾個產(chǎn)品預(yù)估其市場規(guī)模。

本文不討論運營商在大數(shù)據(jù)的應(yīng)用上暫時的頹勢，也不評擊其擁有金庫卻見不著有數(shù)的著的商業(yè)模式。或許是因為運營商們探索時間起步較晚；也可能由于運營商對于如何開放用戶數(shù)據(jù)還沒想明白；又或者是歷史遺留的用戶數(shù)據(jù)還存在業(yè)務(wù)線條分割、區(qū)域分割，數(shù)據(jù)分散情況較嚴重，企業(yè)內(nèi)部不同系統(tǒng)之間的數(shù)據(jù)格式也不一致，而且沒有建立起統(tǒng)一的大數(shù)據(jù)基礎(chǔ)性平臺導致的商用很難。

在這里，獵人只想分享現(xiàn)在市場上相對成熟或有潛在機會的基于運營商數(shù)據(jù)的一些應(yīng)用產(chǎn)品類型、場景如何使用的、大概有多少潛在規(guī)模及一些跨行業(yè)應(yīng)用的思考。當然主要還是偏互聯(lián)網(wǎng)金融領(lǐng)域為主。

本文只圍繞運營商3要素核驗、在網(wǎng)狀態(tài)、在網(wǎng)時長、位置核驗、爬蟲接口、運營商用戶畫像、運營商大數(shù)據(jù)平臺這7大數(shù)據(jù)產(chǎn)品應(yīng)用分享一些心得。并對3要素核驗、在網(wǎng)狀態(tài)、在網(wǎng)時長這幾個產(chǎn)品預(yù)估其市場規(guī)模。預(yù)估方式可能導致最終結(jié)果不太準確，僅供參考。

一、運營商3要素

規(guī)模驅(qū)動因素評價：有政策推動規(guī)模增長，同時有金融風控場景強需求增持推動。用于驗證姓名+身份證+手機號的準確性。

3要素核驗，這個接口都是在運營商實現(xiàn)大部分實名制之后才實現(xiàn)的對外接口。也就是通過實名制這個過程，運營商逐漸有了把手機號與個人身份信息綁定的數(shù)據(jù)，手機號對應(yīng)上了個人的姓名和身份證號信息。

這才有了運營商要素核驗的接口對外，正常情況非風控環(huán)節(jié)有個舊產(chǎn)品運營商2要素，它調(diào)用次數(shù)會比3要素核驗更多點，原因是很多行業(yè)的注冊環(huán)節(jié)只看手機號是否實名，2要素核驗便可以實現(xiàn)。

但由于重名的情況很普遍，2要素核驗無法定位到真實的個人身份，則在風控環(huán)節(jié)應(yīng)用不夠嚴謹；因此現(xiàn)在基本只會調(diào)用運營商3要素核驗，精確定位到的用戶是誰，這個號碼是這個人身份信息綁定的。

隨著保監(jiān)會對投保人信息準確性的要求，很多投保機構(gòu)也開始對存量和增量客戶進行運營商3要素核驗，確保代理人上傳投?？蛻舻穆?lián)系方式是客戶本人的。這個要求既保證了保監(jiān)會可以對個人投保真實意愿進行有效回訪，也可以提高各保險機構(gòu)的續(xù)保率，須知各保險機構(gòu)的存量客戶聯(lián)系方式多是代理人的，想直接觸達到客戶是沒門的。

這里獵人將針對運營商3要素的調(diào)用次數(shù)和市場規(guī)模做個預(yù)估，這個預(yù)估的前提僅限于在互金行業(yè)的風控場景及投保場景。其他場景對于用戶是否綁定的是自身實名手機大多不在乎，沒有與資金安全或風險防控相關(guān)的場景需要運營商3要素核驗的需求不大，因此不用考慮。

風控環(huán)節(jié)必須進行運營商3要素核驗的前提，還是基于對個人綁定非個人實名號碼后續(xù)催收或做關(guān)聯(lián)圖譜時不準確的考慮。要不然運營商3要素的存在感就更弱了。

獵人通過2018年的調(diào)用量預(yù)估2019年大概的規(guī)模，各位可以作為后續(xù)規(guī)模的參考。這個是不考慮市場滲透率及替代接口的前提。

互金風控環(huán)節(jié)的3要素調(diào)用次數(shù)=2018年借貸人數(shù)/20%

單筆調(diào)用價格按0.25一筆計算，三網(wǎng)價格不一樣，這里做平均處理。

2018年借貸人數(shù)怎么找？

獵人從這段互金協(xié)議的信息中發(fā)現(xiàn)了累計的借款人數(shù)9685萬人，這個數(shù)據(jù)不知道是否做了去重，獵人當是去重了。如果按照互金的歷史從2011年正式算起，平均每年也有個1200萬的借款人數(shù)。

中國互金協(xié)會稱，為規(guī)范網(wǎng)貸類會員機構(gòu)信息披露行為，提升網(wǎng)貸行業(yè)信息披露透明度，保障金融消費者知情權(quán)，協(xié)會根據(jù)《網(wǎng)絡(luò)借貸信息中介機構(gòu)業(yè)務(wù)活動信息披露指引》有關(guān)要求以及《互聯(lián)網(wǎng)金融信息披露?個體網(wǎng)絡(luò)借貸》(T/NIFA 1—2017)團體標準，堅持不懈推動網(wǎng)貸機構(gòu)信息披露和產(chǎn)品登記，加速全國互聯(lián)網(wǎng)金融登記披露服務(wù)平臺(以下簡稱登記披露平臺)的建設(shè)工作。

目前，協(xié)會按照網(wǎng)貸類會員機構(gòu)自律管理相關(guān)要求，對外通告了2018年9月網(wǎng)貸類會員機構(gòu)在登記披露平臺上披露信息的情況。通告顯示，共有100家會員機構(gòu)在登記披露平臺上披露了2018年9月的運營信息，其中貸款余額合計6376億元，累計交易總額40359億元，累計服務(wù)出借人數(shù)3760萬人，累計服務(wù)借款人數(shù)9685萬人。

然后獵人抽查了已接入互金協(xié)會，這些已公開運營數(shù)據(jù)的近百家機構(gòu)的部分機構(gòu)2018年的借貸人數(shù)，前5的頭部機構(gòu)基本借款人數(shù)都有個幾十上百萬，尾部機構(gòu)就幾萬人數(shù)。另外上千家未接入的借貸人數(shù)暫忽略。以此估算了2018年的活躍借貸人數(shù)，在1200萬左右，應(yīng)該是算保守預(yù)估合理區(qū)間。

互金行業(yè)，多頭借貸傾向比較嚴重，這里暫按20%的占比計算。有同時在3家及以上機構(gòu)借款則算借貸。則1200萬借貸用戶中，起碼有240萬的多頭借貸用戶，這部分用戶貢獻了至少720萬次的借貸次數(shù)（借貸次數(shù)決定了接口調(diào)用次數(shù)）。

借款人數(shù)指成功放貸的人數(shù)，在成功放貸前有個申請貸款的環(huán)節(jié)，申請貸款到成功借款有個20%左右的通過率，也就是說：

申請貸款次數(shù)=（1200萬+（720-240）萬）/20%=8400萬次

原則上這些機構(gòu)在對這些申請貸款的用戶都是1:1的調(diào)用運營商3要素核驗實名手機號，確認用戶沒有填寫不正確的3要素或者識別是否故意填寫非本人號碼，則2018年應(yīng)該有8400萬筆的運營商3要素核驗次數(shù)（PS：運營商3要素核驗為查詢收費，則失敗部分也會計費，這里不考慮這部分），則：

2018年運營商3要素核驗市場規(guī)模=8400萬筆*0.25元=210萬收入

這樣一算，這個接口真沒啥市場規(guī)模。即使將筆數(shù)放大10倍，也就2100萬元規(guī)模，換成利潤空間的話，也養(yǎng)活不了幾家數(shù)據(jù)公司。屬于剛需卻不賺錢的產(chǎn)品。

那這個塊數(shù)據(jù)接口還有存在的意義么？——有的。

最近獵人已發(fā)現(xiàn)很多銀行在用戶換綁定號碼時都要求或核驗手機號是否本人的，也算是實名制后的一個趨勢，歷史的卡號與手機號綁定只要求用戶常用，不核驗是否本人實名。后續(xù)銀行綁卡環(huán)節(jié)和支付環(huán)節(jié)都要求手機號是本人實名的，這塊市場空間就厲害了。【規(guī)?？梢院唵斡谩〝?shù)*換號次數(shù)*費用 比例來計算，潛在利潤空間還是挺大的，這里不做測算】

另外，還可以通過征信報告?zhèn)€人查詢次數(shù)，預(yù)估未來的市場規(guī)模。

今年3月10日，央行副行長陳雨露在全國兩會期間舉行的新聞發(fā)布會上表示：“征信很多現(xiàn)在逐漸用到了社會領(lǐng)域，我們看到很多女孩找男朋友，未來的岳母說你得把人民銀行的個人征信報告拿來讓我看看?！?/p>

所謂信用報告已成為反映企業(yè)和個人信用行為的“經(jīng)濟身份證”。目前，個人和企業(yè)征信系統(tǒng)已采集9.9億自然人、2591.8萬戶企業(yè)和其他組織的信息，分別接入機構(gòu)3564家和3465家，年度查詢量分別達到17.6億次和1.1億次。

這里的17.6億次代表上征信的產(chǎn)品申請用戶被查詢次數(shù)，假設(shè)征信查詢能通過資質(zhì)審核部分用戶只有10%，需對這部分用戶進行手機號3要素核驗，則也有1.76億筆查詢量，這里可以產(chǎn)生

1.76億*0.25元/筆=4400萬元

另外，保險投保場景屬于政策驅(qū)動。

2018年6月4日，銀保監(jiān)會網(wǎng)站發(fā)布《保險實名登記管理辦法（征求意見稿）》（下稱《征求意見稿》），要求保險機構(gòu)及其從業(yè)人員在為投保人、被保險人、受益人辦理保險業(yè)務(wù)時，依法核對上述人士的身份證件并查驗和登記實名信息。

其中，身份證件包括居民身份證、戶口簿或出生證明、護照、港澳居民來往內(nèi)地通行證、臺灣居民來往大陸通行證、外國人居留證件等合法身份證件。而實名信息就包括投保人、被保險人、受益人的姓名、身份證件類型和證件號碼、手機號碼等信息（姓名與身份證件號碼合稱身份信息）【雖然這里沒有明確對手機號也需要做實名，但根據(jù)實名制的推行，及上層需要對下層實名管控，直接要求手機號也為本人實名會更容易合規(guī)管控，因此判斷后續(xù)投保人的身份登記，運營商3要素應(yīng)該會強制要求進行】

根據(jù)銀保監(jiān)會披露的數(shù)據(jù)顯示，2019年我國壽險保單持有人只占總?cè)丝诘?%，人均持有保單僅有0.13張。我國的保險賠付占災(zāi)害損失比重遠低于國際上30%的平均水平。根據(jù)全國人口普查數(shù)據(jù)庫的最新數(shù)據(jù)顯示（近期公布人口數(shù)據(jù)），我國2018年全國人口數(shù)量為13億9008萬人。

據(jù)公安部統(tǒng)計，2018年全國新注冊登記機動車3172萬輛，機動車保有量已達3.27億輛，其中汽車2.4億輛，小型載客汽車首次突破2億輛；機動車駕駛?cè)送黄?億人，達4.09億人，其中汽車駕駛?cè)?.69億人。

2019年1月29日，中國銀保監(jiān)會發(fā)布2018年保險數(shù)據(jù)統(tǒng)計報告。據(jù)統(tǒng)計，2018年保險業(yè)新增保單件數(shù)290.72億件, 同比增長66.13%。其中，產(chǎn)險公司簽單數(shù)量282.63億件，增長70.10%；人身險公司本年累計新增保單8.09億件，下降8.46%。

從險種看，貨運險簽單數(shù)量48.90億件，同比增長31.91%；責任險72.70億件，增長81.70%；保證險22.86億件，增長35.62%；車險4.48億件，增長12.09%；壽險本年新增累計保單0.89億件，下降19.86%；其中普通壽險5549.10萬件，下降20.35%；健康險32.01億件, 增長417.28%；意外險64.99億件，增長168.51%。

其中車險、壽險、健康險、意外險等獵人相對熟悉，這種針對個人的投保場景均逐漸由上往下推動投保實名制的落實。因此這里往后每年的新增投保次數(shù)及存量用戶非實名部分數(shù)量，應(yīng)該都當做核驗運營商3要素的潛在調(diào)用次數(shù)。

但險種計件應(yīng)該是按照險種種類數(shù)量計算的，不同險種產(chǎn)品每次購買的件數(shù)不一樣，例如購買健康險，健康險就可選醫(yī)療險、住院險、門診險等，一個人可能產(chǎn)生至少3-5個的投保件數(shù)，而運營商3要素核驗每次按照個人計算。

根據(jù)獵人的經(jīng)驗，車險每人每次購買2個險種；壽險，每人購買1個；健康險，每人購買3個；意外險，每人每年起碼購買5個。

則年潛在收入規(guī)模：

（4.48億件/2+0.89億件+32.01億件/3+意外險64.99億件/5）*0.25元=（2.24+0.89+10.67+12.998）*0.25元=7億元

則預(yù)估這個接口可以創(chuàng)造 7.46億元的收支差。

二、在網(wǎng)狀態(tài)

規(guī)模驅(qū)動因素評價：無相關(guān)政策驅(qū)動，接口無法通過政策推動規(guī)模增長，只能依賴場景需求。

用于判斷手機號的狀態(tài)情況，包括：正常使用、停機、在網(wǎng)但不可用、不在網(wǎng)、銷號、未啟用、異常、預(yù)銷戶等。

【預(yù)銷號：比如當你手機長時間停機或者欠費，運營商就把你的手機號碼預(yù)銷號，當這個時間達到運營商的上限后，就直接銷號了。比如預(yù)銷號時間段內(nèi)，你充值了，號碼是可以回來的。預(yù)銷號有時候運營商也會只讓你接電話，不能打電話。在網(wǎng)但不可用：號碼剛買完還未進行激活的中間過程或者預(yù)銷號，或長時間關(guān)機?！?/p>

場景驅(qū)動為主：貸前風控、貸后催收、電話營銷等。

運營商在網(wǎng)狀態(tài)，是根據(jù)用戶歷史的繳費狀態(tài)形成的接口產(chǎn)品，用于判斷用戶的手機號是否正常使用或有其他異常狀態(tài)。一般返回參數(shù)包括停機、關(guān)機、在網(wǎng)但不可用、不在網(wǎng)、銷號、未啟用、異常、預(yù)銷戶等。

在風控環(huán)節(jié)一般是在貸前審核環(huán)節(jié)查詢用戶提供的手機號狀態(tài)是否正常，手機號如果是非正常狀態(tài)，則可能觸發(fā)風控預(yù)警規(guī)則，側(cè)面體現(xiàn)這個用戶這個號碼可能貸后無法聯(lián)系或存在風險行為。

我們通過這樣幾個場景了解：

1.有欺詐行為的個人用戶，申請貸款時提供不常用的實名手機號，這個號碼常處于欠費或關(guān)機狀態(tài)或銷戶狀態(tài)，因為不希望貸款成功后，有人聯(lián)系到自己，所以提供了非常用號碼。

2.收入拮據(jù)的用戶，想要貸款用于不明用途，但自己平時連手機費都無法按時繳費，手機可能處于非正常狀態(tài)，這種客戶不該通過風控。

3.黑中介幫資質(zhì)不滿足的用戶進行材料包裝，需要用戶提供一個號碼作為代接審核電話，這個號碼正常情況關(guān)機或不使用，審核時的短期間才會啟動。

而在貸后催收環(huán)節(jié)和營銷，涉及到這樣一個場景：

貸后催收一般是人工催收，雖然現(xiàn)在很多情況都通過機器人代替，但催收率來看，人工催收的話術(shù)不是一般機器話術(shù)短期內(nèi)可以替代。同理，營銷環(huán)節(jié)特別是理財、保險等高端產(chǎn)品營銷，人工可以適應(yīng)各種話術(shù)場景，因此這個環(huán)節(jié)大多還是會通過人工電呼，這個在成本可控的前提，會通過在網(wǎng)狀態(tài)來識別哪些號碼是正常狀態(tài)，哪些非正常狀態(tài)，減少人工撥打的這個時間，提高效率。【這里有個替代產(chǎn)品是空號檢測，這個成本可能幾厘就搞定，邏輯是非空號可以撥打或發(fā)短信】

因此基于以上場景，在借貸環(huán)節(jié)預(yù)估筆數(shù)和收入規(guī)模還相對容易，催收環(huán)節(jié)占比不多，營銷環(huán)節(jié)難以估算。

在網(wǎng)狀態(tài)的潛在市場規(guī)?？梢赃@樣預(yù)估下：

上文估算的互金借貸次數(shù)大概為8400萬，據(jù)了解在網(wǎng)狀態(tài)部分機構(gòu)在這個貸前核驗環(huán)節(jié)會查在網(wǎng)狀態(tài)，部分會在反欺詐或某規(guī)則通過后才調(diào)用在網(wǎng)狀態(tài)，看手機號正常與否，來給用戶評分或人工通知客戶提交正常使用的號碼。因此這里做個50%的折算，即有4200萬的調(diào)用次數(shù)，4200萬次*0.15元/次=630萬的收入規(guī)模。

另征信相關(guān)產(chǎn)品1.76億查詢中，查詢狀態(tài)的環(huán)節(jié)折算率比互金的低很多，按20%計算，則收入規(guī)模：

1.76億*20%*0.15元=528萬

營銷環(huán)節(jié)產(chǎn)生的收入規(guī)模，理論上比借貸風控環(huán)節(jié)的多很多。如果按照互金的借貸人數(shù)為基數(shù)，理論上撥打-貸款成功的轉(zhuǎn)化率應(yīng)該有0.3%，以此簡單推算撥打號碼次數(shù)為：

8400萬/0.3%=280億次

如果1：1查詢實名狀態(tài)，起碼也有個42億的收入規(guī)模。當然這個環(huán)節(jié)真用得上實名狀態(tài)的比例應(yīng)該會更低或者計費會遠低于0.15元的市場價。這里即使按10%的有效折算（10%撥打次數(shù)查狀態(tài)或收費折算），也有個4.2億的規(guī)模，遠高于風控環(huán)節(jié)的規(guī)模。

則預(yù)估這個接口在金融行業(yè)最少可以創(chuàng)造 4.3億元的收支差。如果加上全行業(yè)營銷量級，這種查詢號碼狀態(tài)的接口市場很有想象空間。

三、在網(wǎng)時長

規(guī)模驅(qū)動因素評價：無相關(guān)政策驅(qū)動，接口無法通過政策推動規(guī)模增長，只能依賴場景需求。用于判斷手機號在網(wǎng)時間，一般返回區(qū)間值(0,3],(3,6],(6,12],(12,24],(24,+),T-1等，(0,3]表示在網(wǎng)時長0-3個月。

場景驅(qū)動為主：貸前風控。

運營商在網(wǎng)時長，是根據(jù)用戶歷史的繳費歷史記錄形成的接口產(chǎn)品，用于判斷用戶的手機號繳費了多久，是否新使用的號碼及號碼穩(wěn)定性，一般返回參數(shù)按照月劃分的區(qū)間值。

在風控環(huán)節(jié)一般是在貸前審核環(huán)節(jié)配合查詢狀態(tài)是否正常，正常的話用戶提供的手機號時長是多久，新開的手機號，則可能觸發(fā)風控預(yù)警規(guī)則，側(cè)面體現(xiàn)這個用戶這個號碼可能是用戶為了申請貸款新注冊的手機號，存在風險傾向。

我們通過這樣幾個場景了解：

1. 有欺詐行為的個人用戶，因為不希望貸款成功后，有人聯(lián)系到自己,因此申請貸款時提供的不是自己的常用號碼，只是臨時申請了個新號碼。

2. 有欺詐行為的個人用戶，自己常用的號碼可能在多處借貸有留過信息或者借過給別人申請貸款；或者自身是黑中介或號碼曾經(jīng)因為其他原因被運營商錄入黑名單，為了繞過風控，臨時開個新號碼，防止被查到關(guān)聯(lián)的不良信息。

3. 黑中介幫資質(zhì)不滿足的用戶進行材料包裝，需要用戶提供一個號碼作為代接審核電話，這個號碼是新注冊的。

在網(wǎng)時長的市場價格一般在0.2元左右，調(diào)用筆數(shù)可以參考在網(wǎng)狀態(tài)的互金調(diào)用筆數(shù)和征信調(diào)用筆數(shù)。約可以創(chuàng)造1544萬的收支差。

四、位置核驗

規(guī)模驅(qū)動因素評價：屬于剛需功能。

各機構(gòu)都希望知道自己用戶的位置信息，例如借貸機構(gòu)與銀行。借貸機構(gòu)希望知道用戶的申請地址的真實性及位置軌跡，銀行希望知道用戶的資金發(fā)起是否本人非盜刷，這些場景都是風控相關(guān)。還有更多的場景用于其他，下文細說。

因此關(guān)于位置的產(chǎn)品，一直很吃香，但因為敏感的問題，基本無相關(guān)位置具體信息查詢的接口。但各擁有位置信息的機構(gòu)為了合規(guī)，推出了核驗類產(chǎn)品，不主動告知機構(gòu)用戶位置，只根據(jù)機構(gòu)提供的用戶位置做是否的反饋。

要知道位置核驗產(chǎn)品的邏輯，需要先知道位置信息一般有哪些來源.

1.?GPS，經(jīng)緯度精細定位用戶位置，各種APP上大多會記錄個人GPS信息。5-20M以內(nèi)誤差。GPS定位原理是用手機自帶的GPS模塊，通過GPS衛(wèi)星定位系統(tǒng)判斷出當前的位置坐標（東經(jīng)??北緯 ），然后通過移動網(wǎng)絡(luò)（GPRS）傳輸?shù)胶笈_服務(wù)器上，后臺服務(wù)器將之顯示在地圖上，用戶可以通過網(wǎng)絡(luò)進行隨時查看。

2. 網(wǎng)絡(luò)IP地址，每個IP地址有相應(yīng)的位置，例如WIFI和局域網(wǎng)。IP一般是公里級誤差，WIFI是20-50M。

3. 運營商基站（LBS），手機需要有通訊信號，需要與各基站連接上。精確位置一般1-5KM誤差，與基站密度有關(guān)。

LBS定位的優(yōu)勢是方便、成本低，因為它是通過現(xiàn)有的基站進行定位的。理論上只要計算三個基站的信號差異，就可以判斷出該設(shè)備所在的位置，而不受天氣、高樓、位置等影響。

缺點：這種基站定位的方法，在沒有基站的位置上，誤差范圍會比較大，并且有些地方?jīng)]有基站是不能實現(xiàn)定位功能的，因此如果手機是使用LBS定位的，就一定要問清自己所在的地方是不是有服務(wù)基站。

4. 電商及物流公司，歷史收貨位置信息，可得治工作或常住地址，但無法實現(xiàn)實時監(jiān)測。

以上位置獲取方式的不同，造成了不同位置產(chǎn)品的準確性不一樣。基于GPS的定位方式是利用手機上的GPS定位模塊將自己的位置信號發(fā)送到定位后臺來實現(xiàn)手機定位的。這種技術(shù)在我們手機APP上很常見。而基站定位則是利用基站對手機的距離的測算距離來確定手機位置的。這種技術(shù)也就是運營商所使用的。

但由于GPS與網(wǎng)絡(luò)IP這些都容易被位置修改軟件攻破，現(xiàn)在用來做位置核驗，電商物流公司的位置只是定點位置，不能實時獲取。因此現(xiàn)在就準確性來說基站的位置信息相對更精確，在一些非追逃、法院傳票的場景，例如盜刷、及用戶城市變動風險判斷有一定的使用場景。當然應(yīng)用更廣泛和顆粒度更細的肯定是GPS打點獲取的位置。

一種位置核驗產(chǎn)品舉例：

位置核驗入?yún)ⅲ菏謾C號+具體住址或城市名，部分機構(gòu)要求提供用戶身份信息。

返回：是/否，或者告知與定點的誤差距離（這個距離一般以位置到基站的距離為準）。

我們通過以下使用場景了解下：

1.?用戶申請貸款，在住址和公司地址一欄填寫的信息不知道是否真實，通過位置核驗接口，查詢驗證準確性及距離誤差，來判斷用戶是否填了虛假信息。

2.?銀行用戶網(wǎng)上交易，風控一般要求用戶發(fā)起交易地址與用戶所在地址是一致的，以防異地盜刷，通過發(fā)起交易地址與用戶所在地址進行校驗，發(fā)現(xiàn)位置不一致，則可能存在盜刷，及時通知用戶，攔截交易。

3.?公安需要對目標名單人群做監(jiān)控，監(jiān)控規(guī)則是監(jiān)控名單是否經(jīng)常不在本市，經(jīng)常去澳門（有賭博嫌疑），外國（有高消費或出逃嫌疑），通過定時發(fā)起位置核驗，查詢監(jiān)控群體位置變動情況，及時做防范。

這里暫不針對GPS的位置信息做解析，主要GPS容易被修改，且定位的是手機位置，基站定位的是手機卡位置，兩者還是有區(qū)別的，雖說正常情況，卡機一般是一起的。針對GPS的應(yīng)用在下文另提。

這幾個場景如何預(yù)估市場規(guī)模？

首先借貸風控環(huán)節(jié)，這里的調(diào)用筆數(shù)可以根據(jù)上文提到的借貸調(diào)用次數(shù)計算：

8400萬筆*0.6元+1.76億次*20%*0.6元=7152萬元

銀行盜刷規(guī)模，與銀行的非本人卡轉(zhuǎn)賬支付交易次數(shù)有關(guān)，這塊暫不展開。公安監(jiān)控的也暫不展開。有興趣的可以私下交流。

五、爬蟲接口（非運營商體系內(nèi)）

規(guī)模驅(qū)動因素評價：無相關(guān)政策驅(qū)動，接口無法通過政策推動規(guī)模增長，只能依賴場景需求。

用戶詳單數(shù)據(jù)，運營商沒有單獨出這樣的詳單分析接口，但在數(shù)據(jù)行業(yè)，被眼尖的機構(gòu)做成了集合爬蟲接口，前端用戶申請借貸，需要主動輸入手機號及登錄密碼，機構(gòu)爬蟲進去把用戶在運營商的詳細數(shù)據(jù)都爬取出來，然后主要把數(shù)據(jù)詳單這塊數(shù)據(jù)做文章，各機構(gòu)疊加自己的一些數(shù)據(jù)形成運營商詳單分析報告。因此獵人在這里將其列為非體系內(nèi)，但是成功依靠運營商數(shù)據(jù)賺錢的一種成熟方式。

詳單字段主要包括：

起始時間、通話時長、呼叫類型（主被叫）、對方號碼、本機通話地、對方歸屬地、通話類型、業(yè)務(wù)類型、通話費。

機構(gòu)疊加字段：號碼庫對應(yīng)機構(gòu)名或使用屬性。例如座機號碼一般都可以找到對應(yīng)的機構(gòu)，以此區(qū)分銀行、信用卡、互金機構(gòu)、催收機構(gòu)等，業(yè)務(wù)類型多指手機號的使用者屬性，催收機構(gòu)人員、黑中介、黑名單用戶等。

如何應(yīng)用分析？舉幾個例子：

1.?輔助判斷是否非常用手機：雖然風控環(huán)節(jié)會做在網(wǎng)時長核驗，但時長再長，也不能排除養(yǎng)卡行為，養(yǎng)卡行為通話次數(shù)和時間肯定會有異常，這樣可以輔助判斷，避免通過新手機號進行騙貸的情況發(fā)生。

2. 基于號碼的關(guān)聯(lián)圖譜評價用戶資質(zhì)：驗證聯(lián)系人中是否存在黑名單用戶，與黑名單用戶聯(lián)系頻繁，可能會是一伙人或者受黑名單用戶影響。驗證聯(lián)系人中是否存在公安、法院、銀行風控、催收機構(gòu)等，公安不會無緣無故經(jīng)常和你通話，法院也不會無緣無故與你聊天，與這些機構(gòu)聯(lián)系頻繁，說明這個用戶存在很大風險問題。驗證聯(lián)系人中的是否存在優(yōu)質(zhì)用戶，比如通話記錄中有多個系統(tǒng)內(nèi)部標注的高凈值用戶，且聯(lián)系頻繁，主要看呼出時間和是否有主動呼入，這些人屬于優(yōu)質(zhì)用戶，通過二度關(guān)系間接判定用戶的資質(zhì)。

3. 催收號碼庫來源：通話詳單有詳細的非脫敏通話號碼清單，機構(gòu)獲取后，可以為后續(xù)的催收做準備的，這些號碼比用戶主動填寫的緊急聯(lián)系人還管用。這樣機構(gòu)催收時，如果無法通過該號碼與借款人取得聯(lián)系，可以通過通訊錄中的他人號碼間接與借款人取得聯(lián)系。

4. 其他：根據(jù)通話時長及頻率判斷關(guān)系緊密度；根據(jù)號碼歸屬地，判斷關(guān)系圈區(qū)域范圍；根據(jù)通話時間分布，判斷是否有非正常時間活動，例如大半夜常通話；配合APP內(nèi)置爬蟲，將通訊錄名字標注與機構(gòu)記錄的標注對比，分析用戶可疑行為，例如在用戶通訊錄備注的催收人員號碼為快遞號碼，但機構(gòu)記錄的是某催收公司職員，等

六、運營商用戶畫像

規(guī)模驅(qū)動因素評價：無相關(guān)政策驅(qū)動，接口無法通過政策推動規(guī)模增長，只能依賴場景需求。

運營商擁有從底層的設(shè)備和網(wǎng)絡(luò)數(shù)據(jù)到上層的用戶行為數(shù)據(jù)，我們結(jié)合電信行業(yè)的具體情況，可以將運營商的數(shù)據(jù)特征總結(jié)如下：

只用用過手機的用戶，基本都會在運營商留下數(shù)據(jù)痕跡。我們通過日常場景來反推運營商內(nèi)部可能存儲的用戶數(shù)據(jù)維度，來推測還有哪些運營商數(shù)據(jù)可以用來做接口產(chǎn)品或者平臺產(chǎn)品。這里暫時排除工業(yè)物聯(lián)網(wǎng)等場景，只針對個人用戶。

移動端入口：手機品牌,手機型號；日常通訊交互產(chǎn)生的數(shù)據(jù)-通話時間、通話語音、通話對象（個人或公司）、通話類型（呼入呼出）；短信時間、短信圖片、短信對象、短信內(nèi)容；日常上網(wǎng)產(chǎn)生的：APP名，APP打開時間、APP在網(wǎng)時間、WIFI地址、網(wǎng)頁地址、網(wǎng)頁流量、網(wǎng)頁時長網(wǎng)頁類型；基站記錄相關(guān)-開關(guān)機時間、基站切換導致的位置變換?？梢匝苌愃艫PP類型，APP使用軌跡等。短信內(nèi)容中可以提取用戶余額、轉(zhuǎn)賬、借貸注冊、借貸情況、還款情況等體現(xiàn)用戶資質(zhì)的內(nèi)容。基站打點、WIFI等可以得知用戶常在位置軌跡及區(qū)域，判斷消費能力和資質(zhì)能力等。

PC端入口：IP地址、網(wǎng)頁地址、網(wǎng)頁類型、網(wǎng)頁流量、網(wǎng)頁查看時長。這些基本字段又可以產(chǎn)生很多衍生字段。

物聯(lián)網(wǎng)入口：智能手表、智能電視、智能空調(diào)、智能冰箱等智能家具，可以知道用戶在室內(nèi)的各種行為軌跡，這里不展開了?！精C人預(yù)測往后的優(yōu)質(zhì)數(shù)據(jù)源及更精準的用戶畫像將在物聯(lián)網(wǎng)機構(gòu)巨頭中產(chǎn)生】

可以看出運營商體系，可以得知一個個人的超級詳細的畫像，但由于各種原因：數(shù)據(jù)使用合規(guī)性原因-如何脫敏輸出很難界定；各類數(shù)據(jù)存儲分省分部門，聚合起來就非常難；數(shù)據(jù)產(chǎn)品化，無法指定到哪個部門進行研發(fā)，中間的利益關(guān)系太復雜，想要推動這個事情還存在很多問題。因此才有了外部數(shù)據(jù)公司的存在價值，開發(fā)各種爬蟲適配各省各市各運營商的用戶信息頁面獲取詳單數(shù)據(jù)。

另外一個原因是運營商用戶畫像，除了運營商3要素、時長、狀態(tài)和位置核驗是在風控層驗證過比較有效可用的數(shù)據(jù)，在金融風控領(lǐng)域可以直接產(chǎn)生一定的規(guī)模價值，運營商上文提到的各種詳細字段形成的用戶畫像，由于價格和建模關(guān)聯(lián)度等影響，在風控建模領(lǐng)域遲遲得不到良好的應(yīng)用。

因此運營商及運營商旗下科技子公司逐漸在商業(yè)應(yīng)用層進行平臺產(chǎn)品的盈利模式驗證。

七、運營商大數(shù)據(jù)平臺

運營商大數(shù)據(jù)平臺集合了一切運營商可用及脫敏的數(shù)據(jù)，針對的是群體決策類業(yè)務(wù)，大多以用戶GPS打點的位置為主，用戶運營商畫像為輔，可以應(yīng)用于除金融風控場景的眾多場景。這個應(yīng)用過程，大多需要結(jié)合或借鑒使用機構(gòu)的歷史數(shù)據(jù)及經(jīng)驗，雙方才可以有深度的結(jié)合產(chǎn)生好的效果。

1. 群體精準營銷

運營商通過挖掘用戶歷史數(shù)據(jù)及實時數(shù)據(jù)，形成用戶的基本信息、生活習慣、消費行為等特征數(shù)據(jù)，利用模型算法等，提煉并整理符合匹配金融機構(gòu)或其他類型機構(gòu)目標客群的用戶的特征、行為偏好的關(guān)鍵詞和特定標識，通過短信、網(wǎng)絡(luò)營銷等渠道為各行業(yè)提供有效的大數(shù)據(jù)精準營銷分析與觸達服務(wù)。

2. 網(wǎng)點洞察評估與選址

通過對網(wǎng)點服務(wù)范圍內(nèi)的人群GPS軌跡分析，找出各個軌跡匯集點，也就是人群大概率進出經(jīng)過的路徑上進行網(wǎng)店布局。并對已建網(wǎng)點及自助終端機進行提供拆除或優(yōu)化建議。網(wǎng)店評估及選址適合銀行網(wǎng)店布局、店鋪開店選址、各種服務(wù)網(wǎng)點選址優(yōu)化等。

3. 區(qū)域客群駐留特征分析

提供對指定商業(yè)區(qū)域（如商場、商鋪、連鎖門店等）的客群駐留特征、客群常駐地、客群到訪偏好、客群屬性特征、客群互聯(lián)網(wǎng)特征、區(qū)域主干道人流熱力、通達圈分析的全面洞察分析，做到“知人知地”。

舉例：為一家商場進行客群軌跡監(jiān)控，監(jiān)控哪個門客流大-這個門做活動招商效果會更好，場內(nèi)客流哪個路徑走動更多-這條路徑鋪租可以提高，哪類店鋪更受客群喜好-可以多引進這類店鋪，哪些離開的客群去了外面其他場內(nèi)沒有的店鋪-引進沒有的店鋪類型等。

4. 人流與交通線路優(yōu)化

根據(jù)城市人流出行軌跡，規(guī)劃地面與地下公共交通路線設(shè)計與站點選址，方便城市居民出行。

深入分析駛?cè)虢煌ü?jié)點車流來源方向和駛出交通節(jié)點去向，了解重要交通結(jié)點（跨江大橋、十字路口等）早晚高峰人流量，為分析城市擁堵原因合理設(shè)計交通信號燈的整體規(guī)劃提供數(shù)據(jù)支撐，結(jié)合車流量、客流出行軌跡、出行時長、車速等數(shù)據(jù)分析每路段的公路疲勞指數(shù)。

以上只是一些運營商大數(shù)據(jù)平臺的應(yīng)用場景舉例，其實運營商數(shù)據(jù)現(xiàn)在逐漸在與各政府部門聯(lián)合，例如可以監(jiān)控各洗浴場所人流情況、監(jiān)控城市常駐及外來人口變動情況、監(jiān)控城市各商圈人流流動情況、各景區(qū)人流來源及出行方式等。

其實用窮舉法與行業(yè)場景拆解后可以交叉形成非常多的可以實現(xiàn)商業(yè)價值的產(chǎn)品。邊幅問題，本文暫分享到這里，關(guān)于金融領(lǐng)域的各種風控、反欺詐、營銷等場景及跨行業(yè)場景的數(shù)據(jù)應(yīng)用歡迎交流。

最后，運營商內(nèi)部的數(shù)據(jù)資源是很豐富的，除了常見的運營商3要素核驗、在網(wǎng)狀態(tài)、在網(wǎng)時長、位置核驗、爬蟲接口、運營商用戶畫像、運營商大數(shù)據(jù)平臺這7大數(shù)據(jù)產(chǎn)品，及主要在金融領(lǐng)域相對應(yīng)用更成熟外，其他行業(yè)也有其可以應(yīng)用的環(huán)節(jié)。

例如電商快遞需要實名綁定手機號，交友產(chǎn)品需要核驗個人身份信息外，確保手機號也是交友本人的，在網(wǎng)狀態(tài)和時長公檢法可以用來判斷監(jiān)控對象手機號使用是否正常，減少無謂的聯(lián)系動作，各種營銷場景需要豐富用戶興趣偏好、資質(zhì)能力、當前手機型號等可以結(jié)合運營商的用戶畫像標簽字段建模使用，提高客戶分層能力。

要清晰知道各數(shù)據(jù)源及各數(shù)據(jù)字段如何應(yīng)用在各行業(yè)各環(huán)節(jié)場景，需要同時熟悉場景需求及數(shù)據(jù)產(chǎn)品形成的邏輯。后續(xù)獵人會對金融行業(yè)常用的各種類型數(shù)據(jù)字段的來源及形成邏輯及應(yīng)用邏輯展開分析，給予各位讀者一些參考方向。

#專欄作家#

大數(shù)據(jù)獵人，微信公眾號：大數(shù)據(jù)獵人，人人都是產(chǎn)品經(jīng)理專欄作家。多年金融科技行業(yè)相關(guān)戰(zhàn)略研究、行業(yè)分析、商業(yè)模式及產(chǎn)品體系研究經(jīng)驗，擅長政府數(shù)據(jù)+企業(yè)數(shù)據(jù)+公開數(shù)據(jù)多源數(shù)據(jù)融合流通交易及應(yīng)用

本文原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載。

題圖來自 Unsplash，基于 CC0 協(xié)議